基于煤质预测的多目标优化配煤方法研究

摘要

针对火电厂中混煤煤质计算不准确、配煤方案单一且考虑片面等问题,基于粒子群(PSO)优化前馈神经网络算法建立了混煤煤质预测模型;采用非支配排序多目标遗传算法(NSGA-Ⅲ)建立了由最小绝对偏差型和标准差型优化指标组成的多目标优化配煤模型。对某电厂实际燃煤情况中非线性关系的煤质进行分析,并对预测煤质的不同特点和电厂机组运行特点进行分析。结果表明:基于煤质预测的多目标优化配煤方法,对煤质挥发分、灰分和灰熔点的预测精度比线性加权方法提高了4.55%,3.24%和5.60%,筛选出的6组配煤方案,兼顾了经济性、安全性和环保性,更符合配煤特点。